Em 14 de agosto de 2026, a Anthropic publicou uma explicação técnica da sua nova marca d'água de texto e, no FAQ, citou um dos sinais clássicos de texto de IA: modelos adoram a construção "isto não é [X], é [Y]". Esse padrão está na minha lista de proibidos há mais de um ano. Soou como validação.
A notícia maior pesa mais pra quem publica conteúdo. Os modelos Claude lançados a partir de 2 de agosto de 2026 embutem uma marca d'água invisível em todo texto que geram, no mundo todo. A versão curta, pra quem publica: isso não afeta o seu SEO hoje, e texto que você edita bastante e recheia com os seus próprios fatos já nasce com um sinal quase indetectável. Mas vale entender os detalhes, porque vem aí uma API de detecção.
O que é a marca d'água de texto do Claude?
É um padrão estatístico embutido nas escolhas de palavras do modelo durante a geração, uma versão do método SynthID-Text que o Google DeepMind publicou na Nature em 2024. Nada é acrescentado ao texto. Não há caractere escondido, metadado nem token extra. As próprias palavras carregam o padrão.
O gatilho foi regulatório. A Anthropic assinou o Código de Prática da União Europeia sobre Transparência de Conteúdo Gerado por IA em julho de 2026, junto com uns 190 outros signatários, pra cumprir o Artigo 50 da Lei de IA da UE. Todo laboratório grande que assinou vai lançar a sua própria marca d'água, cada um com a sua chave. Por enquanto a Anthropic aplica a marca no mundo inteiro porque, nas palavras dela, ainda não tem um jeito confiável de restringir por região.
Arquivo é outro mecanismo, totalmente separado. Quando o Claude gera um tipo de arquivo suportado (.png, .jpg ou .svg), ele anexa metadados de procedência assinados, no padrão C2PA, o mesmo que os fabricantes de câmera usam. Esse selo fica nos metadados do arquivo e pode ser removido; a questão é que ele é assinado criptograficamente, então dá pra perceber adulteração. A marca d'água de texto não funciona assim, e é por isso que a imprensa vive confundindo as duas.
Como a marca d'água de texto do Claude funciona?
A marca troca a fonte de aleatoriedade que o Claude usa nas escolhas de palavra de pouco risco, de um jeito que a sequência resultante possa ser testada depois contra uma chave. Quando um modelo completa "O tempo hoje estava frio e...", tanto "nublado" quanto "cinzento" servem. Normalmente um número aleatório qualquer decide. Com a marca, quem decide é uma função com chave, calculada a partir das palavras anteriores. Pra qualquer leitor a escolha continua parecendo aleatória, mas quem tem a chave consegue verificar se um trecho longo bate com as escolhas marcadas do Claude e atribuir uma probabilidade.
A analogia da própria Anthropic: jogar Banco Imobiliário, mas em vez de rolar os dados, tirar os movimentos dos dígitos de pi a partir de uma posição aleatória. O jogo acontece igualzinho. Depois, qualquer um que conheça pi consegue verificar se aquela partida foi "marcada".
Desse desenho saem duas propriedades. Primeira: a detecção dá uma probabilidade, nunca um veredito, e a confiança cresce com o tamanho do texto. Trecho curto carrega informação de menos. Segunda: segundo a Anthropic, a marca não consegue distinguir "o Claude escreveu isso" de "o Claude editou bastante isso", e não carrega nenhuma informação sobre quem pediu. Não há nada na chave que identifique usuário, organização ou conversa.
A marca d'água do Claude afeta SEO, GEO ou AEO?
Hoje, a marca não tem efeito nenhum no ranking de busca nem nas citações de IA, porque ninguém fora da Anthropic consegue ler. A detecção exige a chave, a API pública de detecção ainda não saiu, e a posição declarada do Google desde fevereiro de 2023 é que o conteúdo é recompensado pela qualidade e pela utilidade, seja qual for o método de produção. Essa posição sobreviveu aos AI Overviews e sobreviveu a este anúncio.
No médio prazo, a análise honesta fica desconfortável. Quando existirem APIs de detecção entre os laboratórios, buscadores e motores de resposta ganham um sinal barato de "um LLM produziu exatamente estas palavras". Os motores de resposta têm um incentivo real pra usar isso: citar página gerada por IA pra responder pergunta feita a uma IA cria um ciclo de autocitação que piora o próprio resultado. Texto fácil de extrair e rico em entidades continua sendo citado, e nada na marca d'água muda essa estratégia.
O que segura o cenário catastrófico é o próprio desenho da marca. Um sinal que diz "o Claude encostou nisso em algum momento", sem separar autoria de edição, é quase inútil como fator de qualidade. Penalizar isso em massa penalizaria uma fatia enorme do jornalismo profissional, da documentação e do conteúdo traduzido. O resultado mais plausível é a marca virar um sinal fraco entre muitos, abaixo dos fatores que já decidem ranking na era da busca orientada por entidades: ganho de informação, autoridade da fonte e se a página responde a pergunta.
O que enfraquece o sinal da marca d'água?
Segundo a documentação da Anthropic, a marca só existe nas palavras que o Claude escolhe livremente, e isso deixa o sinal fraco ou ausente em várias situações comuns de quem publica. A edição humana troca palavras marcadas por palavras sem marca: edição leve enfraquece o sinal, reescrita completa elimina. Trecho denso em fatos quase não recebe marca, porque só existe um jeito certo de terminar "O trabalho mais famoso de Isaac Newton se chama Principia..." e a marca não tem espaço pra agir. A mesma limitação vale pra código, e é por isso que o que sai do Claude Code quase não tem marca fora dos comentários.
A revisão ortográfica é o caso extremo. Passe o seu próprio rascunho pro Claude e peça correção de gramática, e quase todas as palavras do texto que volta são suas. A Anthropic diz com todas as letras que essas poucas correções podem nunca ser detectáveis.
Nada disso é gambiarra pra driblar a marca. É como a matemática funciona, e a Anthropic documenta abertamente, inclusive o ponto filosófico óbvio: se um humano trocou todas as palavras, chamar o resultado de texto gerado por IA já é discutível.
O outro lado merece a mesma atenção. Saída crua de LLM publicada sem revisão humana carrega o sinal completo, no tamanho completo, pra sempre. Os pipelines de conteúdo em n8n que construí pra clientes levam isso em conta, e todos mantêm uma etapa de aprovação humana antes de publicar. Pipelines que pulam essa etapa estão publicando, em volume, texto perfeitamente marcado. Se algum dia um sistema de ranking ler marca d'água, a diferença entre quem publica "com ajuda de IA" e quem publica "o que a IA escreveu" vai poder ser medida pela primeira vez.
O que isso muda no seu fluxo de escrita
Um fluxo de trabalho baseado em fatos verificados, experiência própria e edição de verdade produz, como efeito colateral, texto com marca fraca, porque o sinal só sobrevive nos trechos em que o modelo escreveu livremente e ninguém mexeu. Tudo o que já separa um bom conteúdo feito com ajuda de IA de um texto genérico empurra na mesma direção.
O meu processo já era assim antes do anúncio. Os posts deste site começam num projeto calibrado (documentei o método em como fazer o Claude escrever na sua voz), têm as afirmações conferidas em fontes primárias, trazem números de trabalho real com clientes e passam por rodadas de edição manual que reescrevem seções inteiras. Sim, este post também foi editado por mim. Pela descrição da própria Anthropic de como funciona a densidade da marca, o sinal que sobra num texto assim é fino. Eu não desenhei o processo pra fugir de marca d'água. Desenhei porque texto de IA sem edição parece texto de IA sem edição, e o leitor percebe antes de qualquer detector.
Pra quem roda operação de conteúdo em WordPress, é hora de ver em que ponto dessa escala o seu pipeline está. Se a sua stack gera e publica sem revisão humana, você está acumulando um acervo inteiro de conteúdo marcado, e ninguém sabe como os buscadores vão tratar isso no futuro. Reestruturar esse pipeline, colocar etapas de revisão e ligar a geração por IA a um controle editorial humano é exatamente o tipo de trabalho que eu faço em projetos de integração de IA no WordPress.
Onde isso deixa quem publica
A árvore de decisão prática é curta. Se você publica o que o modelo gerou, cru, parta do princípio de que dá pra detectar e de que vai ficar mais fácil, e decida se esse risco é aceitável no seu mercado. Se você edita bastante e traz os seus próprios fatos, a marca d'água é quase uma não questão, e o seu risco de verdade continua o de sempre: se o conteúdo merece ranquear. Nos dois casos, fique de olho na API de detecção da Anthropic. No dia em que terceiros puderem verificar marca d'água, isso deixa de ser teoria.
A União Europeia obrigou os laboratórios a responder "foi uma IA que escreveu isso?" com matemática. A pergunta que importa pros buscadores é outra: vale a pena ler isso? Nenhuma marca d'água responde essa.
Se o seu pipeline de conteúdo gera mais do que confere, ou se você não faz ideia de qual dos dois a sua stack WordPress está fazendo, é exatamente essa lacuna que eu ajudo quem publica a fechar. Fale comigo.